面向WMSN的分布式视频编码关键技术研究

作为物联网重要组成部分的无线多媒体传感器网络WMSN对视频编码技术有独特的要求。DVC技术应用在WMSN中需要解决的难点主要是提高压缩效率，建立计算复杂度可控的Power-Rate-Distortion模型。本项目将提高压缩效率的问题转化为如何扩充DVC使用的边信息集合所包含的有效信息，PRD模型转化为如何利用WMSN资源丰富的控制中心支持资源紧张的采集节点高效工作。针对这些问题本项目提出以DVC的结构特点为基础，探索高效、灵活的边信息生成算法，相关性噪声模型建模机制，建立DVC复杂度移动平衡模型，以视频信号的结构特征为重要工具降低DVC盲特点引发的各环节中的不确定性，研发与WMSN资源分布状态相一致的视频编码解决方案。本项目研究将从理论上扩充现有的DVC理论体系，克服DVC在WMSN中应用的难点，具有很强的应用潜力。这对于形成自主知识产权、推动物联网发展都具有重要意义。

本课题的研究工作，基本上按照研究计划开展研究工作，并根据实际进展进行了调整。在执行期间，针对分布式视频编码DVC的结构特点，即把耗时的时域预测放置在解码端，提出了在冗余离散小波变换ODWT域进行时域预测降低预测噪声、使用SIFT特征点、加权双向预测等提升边信息质量、以视频信号的结构特征相似度作为MCTI生成边信息的判决标准等算法和方法，并针对相关性噪声模型CNM进行了研究，修正了Laplacian模型描述相关性噪声不准确的问题。相关研究结果表明，充分利用视频内容的特征、与传统视频编码技术相结合确实有利于提升DVC的编码效率。在研究与WMSN资源分布状态相一致的视频编码解决方案的过程中，相关实验结果表明，与传统视频编码方案，如H.264相比，DVC在编码时确实可以节省30%以上的电能；但实际部署在传感器节点上时，DVC双向信道的存在给传感器节点带来了额外的电能消耗，传感器节点总的耗能并未减少。也就是说，DVC的节能效果必须与无线传感器节点通信机制进行融合。基于上述考虑，课题组对视频内容的特征提取和表示、HEVC帧内编码模式、无线传感器路由和节能等问题进行了扩展研究。在视频内容特征提取和表示方面，课题组主要研究了基于SIFT、稀疏表示等方法的特征提取和表示技术，目前来看SIFT方法在追踪、拼接等领域取得了较好的效果，但是由于计算量较大在视频编码中的应用有一定的局限性；而基于稀疏表示的方法在视频对象追踪、视频编码等都有非常巨大的潜力，利用稀疏矩阵系数可以很好的区分追踪状态中的遮挡、冲突等情况，也可以实现低码率下更高质量的编码。目前稀疏表示的难点一是在于字典训练的计算量上，二是在于字典的通用性和适用性上，考虑到WMSN的资源状态，把字典的构造环节放置到云端，则节点可以获得更好的编码以及追踪工具。在DVC编码架构中，一个GOP通常由I+多个WZ帧组成，HEVC帧内编码的优化模式对于优化DVC编码模式具有重要的借鉴意义；相关研究结果表明，视频的纹理等区域对于优化HEVC帧内编码模式的选择、降低编码复杂度具有重要的指引作用。这些研究结果表明，对图像等非结构化数据的内容进进行更深、更好的理解和表示，有助于构造符合移动设备、无线传感器要求的视频编码系统，也有助于实现更符合用户交互需求的视频编码系统，这也将是我们今后工作进一步深入研究的目标。